【技術實現步驟摘要】
本專利技術涉及圖像處理，特別涉及一種cbct圖像質量增強方法、系統、存儲介質及計算機。
技術介紹
1、放射治療：是一種利用輻射來治療惡性腫瘤的方法。其原理是通過高能輻射破壞癌細胞的dna，從而抑制癌細胞的生長和分裂，甚至導致癌細胞死亡。然而在治療過程中，患者的身體形態和腫瘤組織可能會發生較大變化，原計劃劑量與實際劑量之間產生較大偏差，這可能會減少腫瘤接受到的放射劑量，同時增加對周圍正常組織的損傷，從而影響治療效果和增加副作用。
2、自適應放療（adaptive?radiation?therapy，art）：是放射治療的一種高級形式可以解決上述問題，通過在治療過程中獲取患者的實時影像信息，對治療計劃進行調整，以適應腫瘤和周圍正常組織的變化。這種技術可以更精確地定位腫瘤，提高腫瘤控制率，同時減少對周圍正常組織的損傷，降低放療相關的并發癥發生率，但傳統ct存在定位、勾畫靶區、放療耗時長的問題。
3、錐形束ct（cone?beam?ct，cbct）：為精確的腫瘤定位、治療計劃的制定和調整提供了強有力的支持。cbct利用一個錐形x射線束圍繞患者旋轉，同時探測器捕捉到穿過患者的x射線。通過計算機處理這些數據，重建出患者的三維圖像。這種技術可以提供比傳統ct更細致的圖像，尤其適合于小范圍的成像，如口腔頜面部、顱腦等。
4、但是目前cbct技術仍存在以下問題：
5、1、cbct圖像經常存在相當大的偽影，如條紋、陰影、拔罐和分散污染，導致hounsfield單位(hu)值嚴重不準確。目前的art實踐
6、2、掃描區域狹窄：cbct存在掃描區域狹窄的問題，這限制了對腫瘤靶區及周圍正常器官的觀察范圍。
7、3、圖像質量評價標準：目前缺乏cbct圖像質量的評價標準及質量控制方法，這限制了基于cbct圖像的放療計劃設計和評價。
技術實現思路
1、基于此，本專利技術的目的是提供一種cbct圖像質量增強方法、系統、存儲介質及計算機，以至少解決上述技術中的不足。
2、本專利技術提出一種cbct圖像質量增強方法，包括：
3、獲取若干cbct圖像數據，并在各所述cbct圖像數據中隨機選擇一個cbct圖像數據作為目標圖像數據；
4、識別出所述目標圖像數據的偏角曲線，并基于所述目標圖像數據的偏角曲線確定各所述cbct圖像數據的偏角曲線；
5、對各所述cbct圖像數據的偏角曲線進行數據處理，以得到各所述cbct圖像數據所對應的全景圖像數據；
6、構建圖像處理模型，并將各所述cbct圖像數據與其對應的全景圖像數據輸入所述圖像處理模型中進行數據融合，以得到對應的增強圖像數據。
7、進一步的，對各所述cbct圖像數據的偏角曲線進行數據處理，以得到各所述cbct圖像數據所對應的全景圖像數據的步驟包括：
8、分別在各所述cbct圖像數據的偏角曲線上進行等距采樣，以得到各所述cbct圖像數據的多個采樣點；
9、將各所述cbct圖像數據中位置相同的采樣點確定為一組采樣點，并獲取各組采樣點所對應的采樣矩陣，分別對各所述采樣矩陣進行加權前向投影處理，以得到多個加權矩陣；
10、將各所述加權矩陣進行拼接，并基于拼接結果得到各所述cbct圖像數據所對應的全景圖像數據。
11、進一步的，構建圖像處理模型的步驟包括：
12、構建對抗生成網絡模型，并對所述對抗生成網絡模型的骨干網絡結構進行重構，以得到重構后的對抗生成網絡模型；
13、構建擴散模型，并將所述擴散模型與所述重構后的對抗生成網絡模型進行模型融合，以得到所述圖像處理模型。
14、進一步的，將各所述cbct圖像數據與其對應的全景圖像數據輸入所述圖像處理模型中進行數據融合，以得到對應的增強圖像數據的步驟包括：
15、對各所述cbct圖像數據與其對應的全景圖像數據進行卷積池化操作，以得到對應的卷積池化結果；
16、將所述卷積池化結果所提取的特征作為a領域、相同hu值域的ct掃描作為b領域，并根據所述a領域與所述b領域的映射訓練所述圖像處理模型，以得到對應的增強圖像數據。
17、本專利技術還提出一種cbct圖像質量增強系統，包括：
18、數據選擇模塊，用于獲取若干cbct圖像數據，并在各所述cbct圖像數據中隨機選擇一個cbct圖像數據作為目標圖像數據；
19、曲線識別模塊，用于識別出所述目標圖像數據的偏角曲線，并基于所述目標圖像數據的偏角曲線確定各所述cbct圖像數據的偏角曲線；
20、數據處理模塊，用于對各所述cbct圖像數據的偏角曲線進行數據處理，以得到各所述cbct圖像數據所對應的全景圖像數據；
21、數據融合模塊，用于構建圖像處理模型，并將各所述cbct圖像數據與其對應的全景圖像數據輸入所述圖像處理模型中進行數據融合，以得到對應的增強圖像數據。
22、進一步的，所述數據處理模塊包括：
23、等距采樣單元，用于分別在各所述cbct圖像數據的偏角曲線上進行等距采樣，以得到各所述cbct圖像數據的多個采樣點；
24、投影處理單元，用于將各所述cbct圖像數據中位置相同的采樣點確定為一組采樣點，并獲取各組采樣點所對應的采樣矩陣，分別對各所述采樣矩陣進行加權前向投影處理，以得到多個加權矩陣；
25、矩陣拼接單元，用于將各所述加權矩陣進行拼接，并基于拼接結果得到各所述cbct圖像數據所對應的全景圖像數據。
26、進一步的，所述數據融合模塊包括：
27、模型重構單元，用于構建對抗生成網絡模型，并對所述對抗生成網絡模型的骨干網絡結構進行重構，以得到重構后的對抗生成網絡模型；
28、模型融合單元，用于構建擴散模型，并將所述擴散模型與所述重構后的對抗生成網絡模型進行模型融合，以得到所述圖像處理模型。
29、進一步的，所述數據融合模塊還包括：
30、卷積池化單元，用于對各所述cbct圖像數據與其對應的全景圖像數據進行卷積池化操作，以得到對應的卷積池化結果；
31、圖像處理單元，用于將所述卷積池化結果所提取的特征作為a領域、相同hu值域的ct掃描作為b領域，并根據所述a領域與所述b領域的映射訓練所述圖像處理模型，以得到對應的增強圖像數據。
32、本專利技術還提出一種存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現上述的cbct圖像質量增強方法。
33、本專利技術還提出一種計算機，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述的cbct圖像質量增本文檔來自技高網...
【技術保護點】
1.一種CBCT圖像質量增強方法，其特征在于，包括：
2.根據權利要求1所述的CBCT圖像質量增強方法，其特征在于，對各所述CBCT圖像數據的偏角曲線進行數據處理，以得到各所述CBCT圖像數據所對應的全景圖像數據的步驟包括：
3.根據權利要求1所述的CBCT圖像質量增強方法，其特征在于，構建圖像處理模型的步驟包括：
4.根據權利要求1所述的CBCT圖像質量增強方法，其特征在于，將各所述CBCT圖像數據與其對應的全景圖像數據輸入所述圖像處理模型中進行數據融合，以得到對應的增強圖像數據的步驟包括：
5.一種CBCT圖像質量增強系統，其特征在于，包括：
6.根據權利要求5所述的CBCT圖像質量增強系統，其特征在于，所述數據處理模塊包括：
7.根據權利要求5所述的CBCT圖像質量增強系統，其特征在于，所述數據融合模塊包括：
8.根據權利要求5所述的CBCT圖像質量增強系統，其特征在于，所述數據融合模塊還包括：
9.一種存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要
10.一種計算機，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至4任一所述的CBCT圖像質量增強方法。
...【技術特征摘要】
1.一種cbct圖像質量增強方法，其特征在于，包括：
2.根據權利要求1所述的cbct圖像質量增強方法，其特征在于，對各所述cbct圖像數據的偏角曲線進行數據處理，以得到各所述cbct圖像數據所對應的全景圖像數據的步驟包括：
3.根據權利要求1所述的cbct圖像質量增強方法，其特征在于，構建圖像處理模型的步驟包括：
4.根據權利要求1所述的cbct圖像質量增強方法，其特征在于，將各所述cbct圖像數據與其對應的全景圖像數據輸入所述圖像處理模型中進行數據融合，以得到對應的增強圖像數據的步驟包括：
5.一種cbct圖像質量增強系統，其特征在于，包括：
6.根據...
【專利技術屬性】
技術研發人員：龔南杰，楊晟龍，徐理博，
申請(專利權)人：上海影動醫療科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。